融合过滤和相似度计算的高错误率基因组数据敏感序列识别

摘要： 为解决现有算法难以有效识别高错误率测序数据中敏感序列的问题，提出一种融合过滤和相似度计算的敏感序列识别算法.首先，分割待识别序列为多条短序列，通过构建双布隆过滤器，对短序列进行动态过滤去重，以避免重复运算；然后，对短序列局部片段进行k-mer编码，改进优化短序列局部片段相似性度量的方法，以准确识别短串联重复序列；其次，对短序列进行k-mer编码并与GWAS Catalog数据库...